Alignement de visage non contraint par apprentissage composé en cascade

Nous présentons une approche pratique pour résoudre le problème d’alignement facial non contraint à partir d’une seule image. Dans notre cadre non contraint, il est nécessaire de gérer de grandes variations de forme et d’apparence, ainsi que des déformations de forme complexes, sous des poses de tête extrêmes. Pour doter les régresseurs en cascade de la capacité à traiter les variations globales de forme et les relations irrégulières entre apparence et forme dans ce contexte non contraint, nous partitionnons l’espace d’optimisation en plusieurs domaines de descente homogènes, et nous estimons une forme comme une combinaison d’estimations provenant de plusieurs régresseurs spécifiques à chaque domaine. Grâce à un objectif d’apprentissage spécifiquement formulé et à une nouvelle fonction de découpage arborescent, notre méthode parvient à estimer une combinaison robuste et significative. En outre, en plus d’atteindre une précision de pointe par rapport aux approches existantes, notre cadre s’impose comme une solution efficace (350 FPS), grâce à un mécanisme d’exclusion dynamique des domaines et à la capacité d’exploiter efficacement les caractéristiques par pixels rapides.